邓澍军、陆光明、夏龙

前言：Deep Learning已经很火了，本文作者算是后知后觉者，主要原因是作者的目前工作是广告点击率预测，而之前听说Deep Learning最大的突破还是在图像语音领域，而在NLP和在线广告点击预测方面的突破还不够大。但后来听说Google开源的word2vec还挺有意思，能够把词映射到K维向量空间，甚至词与词之间 的向量操作还能和语义相对应。如果换个思路，把词当做feature，那么word2vec就可以把feature映射到K维向量空间，应该可以为现有模型提供更多的有用信息，基于这个出发点，作者对word2vec的相关代码和算法做了相关调研，本文就是作者关于word2vec调研的总结，也是作为自己以后备用。存在疏漏之处，欢迎大家反馈：shujun_deng@163.com。

目录
一、什么是word2vec？ …….……….…….……….…….……….….………2
二、快速入门         …….……….…….……….…….……….………….3
三、作者八卦         …….……….…….……….…….……….………….4
四、背景知识         …….……….…….……….…….……….………….5
五、模型                    …….……….…….……….…….……….…….…….11
六、Tricks                  …….……….…….……….…….……….…….…….17
七、分布式实现           …….……….…….……….…….……….…….…….21
八、总结            …….……….…….……….…….……….…….…….22
参考代码            …….……….…….……….…….……….…….…….22
参考文献                    …….……….…….……….…….……….…….…….23

 

…..继续阅读（请下载附件）： word2vec

 

分享到： 有道云笔记 QQ空间 新浪微博 人人网 腾讯微博 更多